深度学习在生物医药领域中的应用

序号	推送日期	文章	类型	简述	创新点	不足	研究目的	研究对象	领域	病种	技术	模型	数据类型	样本量
13841	2024-10-17	Intelligent agricultural robotic detection system for greenhouse tomato leaf diseases using soft computing techniques and deep learning 2024-10-12, Scientific reports IF:3.8Q1 DOI:10.1038/s41598-024-75285-5 PMID:39396063	研究论文	本文提出了一种智能农业机器人系统，用于温室番茄叶病的检测，结合了模糊控制算法和基于深度学习的疾病分类模型	引入了升级版的深度卷积生成对抗网络（DCGAN），通过生成增强的番茄叶病图片来显著提升训练数据集的质量	NA	开发一种用于温室番茄叶病检测的智能农业机器人系统	温室番茄叶病	计算机视觉	NA	深度学习	深度卷积生成对抗网络（DCGAN）	图像	使用了包含九种番茄叶病类的PlantVillage数据集，并通过DCGAN生成了增强数据集
13842	2024-10-17	Deep learning assisted quantitative detection of cardiac troponin I in hierarchical dendritic copper-nickel nanostructure lateral flow immunoassay 2024-Oct-10, Analytical methods : advancing methods and applications IF:2.7Q1 DOI:10.1039/d4ay01187b PMID:39259228	研究论文	本文开发了一种深度学习方法，用于高效分割HD-纳米金属LFIA传感器图像中的目标区域，以提高定量检测的准确性	提出了改进的UNet++网络，结合注意力和残差模块，能够准确分割不同强度的荧光区域，特别是弱荧光区域	NA	提高基于HD-纳米金属LFIA传感器的快速和准确疾病标志物检测的定量检测准确性	心脏肌钙蛋白I（cTnI）的定量检测	计算机视觉	心血管疾病	深度学习	UNet++	图像	使用HD-nanoCu-Ni LFIA传感器进行cTnI检测的案例研究
13843	2024-10-17	Efficient application of deep learning-based elective lymph node regions delineation for pelvic malignancies 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17330 PMID:39072765	研究论文	本研究开发了一种基于深度学习的盆腔淋巴结区域自动勾画模型，用于提高盆腔恶性肿瘤放疗中的勾画效率和一致性	本研究首次应用级联多头部U-net模型进行盆腔淋巴结区域的自动勾画，显著提高了勾画效率和一致性	本研究仅在盆腔恶性肿瘤患者中进行了验证，未来需在更多类型的肿瘤中进行验证	开发一种高效的深度学习模型，用于自动勾画盆腔恶性肿瘤患者的淋巴结区域	盆腔恶性肿瘤患者的淋巴结区域	计算机视觉	NA	深度学习	级联多头部U-net	CT图像	160名盆腔恶性肿瘤患者，包括直肠癌、前列腺癌和宫颈癌，其中120名用于训练，40名用于测试
13844	2024-10-17	Efficient segmentation of fetal brain MRI based on the physical resolution 2024-Oct, Medical physics IF:3.2Q1 DOI:10.1002/mp.17306 PMID:39008780	研究论文	本文研究了基于物理分辨率的胎儿脑部MRI图像分割方法	提出了一种基于MRI物理分辨率的胎儿脑部图像分割方法，并通过深度学习模块实现了高表观分辨率的分割	研究仅限于回顾性分析，样本量相对较小	验证基于MRI物理分辨率的胎儿脑部图像分割方法的有效性	胎儿和成人的脑部MRI图像	计算机视觉	NA	MRI	ConvNet	图像	150例成人脑部MRI和80例胎儿脑部MRI
13845	2024-10-17	Assessment of multi-modal magnetic resonance imaging for glioma based on a deep learning reconstruction approach with the denoising method 2024-Oct, Acta radiologica (Stockholm, Sweden : 1987) DOI:10.1177/02841851241273114 PMID:39219486	研究论文	本文评估了基于深度学习重建和去噪方法的多模态磁共振成像在胶质瘤中的应用	首次评估了深度学习重建方法在多模态胶质瘤成像中的应用	NA	评估多模态磁共振成像在胶质瘤中的应用效果	107名胶质瘤患者的术前和术后多模态图像	计算机视觉	脑肿瘤	磁共振成像	深度学习重建	图像	107名胶质瘤患者
13846	2024-10-17	Artificial Intelligence-Assisted Perfusion Density as Biomarker for Screening Diabetic Nephropathy 2024-Oct-01, Translational vision science & technology IF:2.6Q2 DOI:10.1167/tvst.13.10.19 PMID:39388177	研究论文	研究利用人工智能辅助的超广角扫频源光学相干断层扫描血管造影技术，识别糖尿病肾病筛查的可靠生物标志物	首次提出利用人工智能辅助的超广角扫频源光学相干断层扫描血管造影技术，评估糖尿病肾病与糖尿病视网膜病变之间的关联，并将其作为非侵入性生物标志物	研究样本仅限于2型糖尿病患者，且样本量相对较小，可能影响结果的普适性	识别糖尿病肾病的可靠筛查生物标志物	2型糖尿病患者的视网膜和脉络膜数据	数字病理学	糖尿病肾病	超广角扫频源光学相干断层扫描血管造影技术	随机森林模型	图像	169名2型糖尿病患者，共287只眼睛，产生15,211个数据点
13847	2024-10-17	Deep Learning Augmented Osteoarthritis Grading Standardization 2024-Oct, Tissue engineering. Part A DOI:10.1089/ten.TEA.2023.0206 PMID:37950715	研究论文	本文探讨了使用深度学习技术对骨关节炎（OA）的软骨组织学图像进行自动分级，以标准化OA分级	本文首次使用组织学图像而非放射图像进行OA分级，并开发了一种基于深度学习的自动化分级系统	本文未详细讨论模型的泛化能力和在不同数据集上的表现	开发一种基于深度学习的自动化系统，用于骨关节炎的软骨组织学图像分级	膝关节骨关节炎的软骨组织学图像	计算机视觉	骨关节炎	深度学习	DenseNet121	图像	组织学图像被分为四个等级（Grade 0-3），并进行了五折交叉验证
13848	2024-10-17	DOCTer: a novel EEG-based diagnosis framework for disorders of consciousness 2024-09-24, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad7904 PMID:39255823	研究论文	提出了一种基于EEG的新型诊断框架DOCTer，用于区分意识障碍患者中的最小意识状态和无反应觉醒综合征	DOCTer框架通过提取时间-频率特征和微状态，结合临床特征，实现了端到端的意识障碍诊断	NA	通过EEG信号区分最小意识状态和无反应觉醒综合征	意识障碍患者	机器学习	NA	EEG	深度学习	EEG信号	409个静息状态EEG记录，包括128个无反应觉醒综合征和187个最小意识状态病例
13849	2024-10-17	Integrating spatial and temporal features for enhanced artifact removal in multi-channel EEG recordings 2024-09-19, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad788d PMID:39250956	研究论文	本文提出了一种新的去噪网络STFNet，通过整合空间和时间特征来增强多通道EEG记录中的伪影去除效果	本文创新性地利用自注意力机制显式建模EEG通道间的关系，以提升去噪性能	NA	提升多通道EEG记录中的伪影去除效果	多通道EEG信号中的伪影	机器学习	NA	自注意力机制	STFNet	EEG信号	公开基准数据集
13850	2024-10-17	PD-ARnet: a deep learning approach for Parkinson's disease diagnosis from resting-state fMRI 2024-09-18, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad788b PMID:39250928	研究论文	提出了一种基于深度学习的帕金森病诊断方法PD-ARnet，利用静息态fMRI数据进行自动诊断	开发了一种双分支3D特征提取器和相关驱动加权模块，以捕捉低频振幅和区域同质性的互补信息，并通过注意力增强融合模块有效融合特征	NA	开发一种自动化的帕金森病诊断方法，减少诊断过程中的主观性，提高诊断效率和一致性	帕金森病	机器学习	神经退行性疾病	静息态功能磁共振成像（rs-fMRI）	深度学习模型	图像	145个样本
13851	2024-10-17	A Deep Learning-Derived Transdiagnostic Signature Indexing Hypoarousal and Impulse Control: Implications for Treatment Prediction in Psychiatric Disorders 2024-Aug-13, Biological psychiatry. Cognitive neuroscience and neuroimaging DOI:10.1016/j.bpsc.2024.07.027 PMID:39142534	研究论文	本文研究了一种基于深度学习的跨诊断特征指数，用于评估低觉醒和冲动控制，并探讨其在精神疾病治疗预测中的应用	本文首次提出了一种基于深度学习的跨诊断生物标志物，能够诊断和预测冲动控制和睡眠问题	研究结果主要基于特定的脑电图特征，可能不适用于所有精神疾病患者	探讨基于研究领域标准（RDoC）的精神疾病研究方法，以发现具有诊断和治疗预测能力的生物标志物	脑电图前额贝塔活动作为潜在的跨诊断生物标志物	机器学习	精神疾病	脑电图	深度学习算法	脑电图数据	共涉及三个数据集，样本量分别为3279、336和1008
13852	2024-10-17	Ultra-low dose hip CT-based automated measurement of volumetric bone mineral density at proximal femoral subregions 2024-Jul-23, Medical physics IF:3.2Q1 DOI:10.1002/mp.17319 PMID:39042053	研究论文	开发并评估了一种基于超低剂量髋部CT的自动化方法，用于评估近端股骨亚区域的体积骨矿物质密度	结合深度学习、形状模型和有限元分析，提出了一种准确、可重复且可推广的算法，用于自动化分割近端股骨和解剖股骨亚区域	NA	开发和评估一种基于超低剂量髋部CT的自动化方法，用于评估近端股骨亚区域的体积骨矿物质密度	近端股骨亚区域的体积骨矿物质密度	计算机视觉	NA	深度学习、有限元分析	深度学习网络	CT图像	100名参与者（50名女性）
13853	2024-10-17	PARKINSON'S DISEASE CLASSIFICATION USING CONTRASTIVE GRAPH CROSS-VIEW LEARNING WITH MULTIMODAL FUSION OF SPECT IMAGES AND CLINICAL FEATURES 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635712 PMID:39398281	研究论文	本文提出了一种多模态方法，利用对比图跨视图融合技术进行帕金森病的分类	引入了一种新颖的多模态共注意力模块，结合了图像和临床特征的低维表示，并设计了一种简化的对比损失融合方法	未提及具体限制	提高帕金森病分类的准确性和多视图数据分析的鲁棒性	帕金森病患者的图像和临床特征	机器学习	帕金森病	对比图跨视图学习	多模态共注意力模块	图像和临床特征	未提及具体样本数量
13854	2024-10-17	UNSUPERVISED AIRWAY TREE CLUSTERING WITH DEEP LEARNING: THE MULTI-ETHNIC STUDY OF ATHEROSCLEROSIS (MESA) LUNG STUDY 2024-May, Proceedings. IEEE International Symposium on Biomedical Imaging DOI:10.1109/isbi56570.2024.10635651 PMID:39398280	研究论文	本文介绍了一种无监督深度学习方法，用于从3D气道分割投影中提取特征并对人类气道树进行聚类	提出了一种无监督深度学习管道，用于从3D气道分割投影中直接学习特征提取和气道树聚类	NA	研究气道树的变异及其与不良健康结果的关联	人类气道树的特征和聚类	计算机视觉	心血管疾病	深度学习	NA	图像	MESA肺部CT队列中的四个可重复且临床上不同的气道亚型
13855	2024-10-17	Feature Extraction With Stacked Autoencoders for EEG Channel Reduction in Emotion Recognition 2024 May-Jun, Basic and clinical neuroscience IF:1.0Q4 DOI:10.32598/bcn.2023.5138.2 PMID:39403356	研究论文	本文研究了使用堆叠自编码器进行脑电图通道减少以提高情感识别的特征提取方法	提出了一种利用深度学习减少脑电图通道数量并保持信号质量的方法，通过堆叠自编码器提取情感分类的最优特征	实验结果显示分类准确率在75.7%和74.4%之间，仍有提升空间	研究如何通过减少脑电图通道数量来提高情感识别的效率和准确性	脑电图信号的特征提取和情感识别	机器学习	NA	堆叠自编码器	自编码器网络	脑电图信号	32个通道减少到12个通道
13856	2024-10-17	Transferable non-invasive modal fusion-transformer (NIMFT) for end-to-end hand gesture recognition 2024-04-09, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad39a5 PMID:38565124	研究论文	本文提出了一种可迁移的非侵入式模态融合-变压器（NIMFT）模型，用于端到端的手势识别	创新点在于使用非侵入式的多模态融合机制，通过多头的交叉注意力机制有效整合sEMG和ACC信号，提高了模型的泛化能力和训练效率	NA	开发一种端到端且可跨受试者迁移的模型，用于手势识别	手势识别中的sEMG和ACC信号	机器学习	NA	多模态融合	变压器（Transformer）	信号	Ninapro DB2数据集中的三个动作集
13857	2024-10-17	Influence of spatio-temporal filtering on hand kinematics estimation from high-density EMG signals 2024-03-25, Journal of neural engineering IF:3.7Q2 DOI:10.1088/1741-2552/ad3498 PMID:38525843	研究论文	研究了时空滤波对从高密度表面肌电信号（sEMG）估计手部运动学的影响	展示了使用全带宽信号和高密度电极系统可以显著提高手部运动学估计的准确性	研究结果表明，增加电极数量可能进一步提高准确性，但未在当前研究中验证	探讨如何通过优化sEMG信号的预处理和电极数量来提高手部运动学估计的准确性	高密度sEMG信号和手部运动学	机器学习	NA	表面肌电图（sEMG）	深度学习	信号	13名受试者的320个电极记录的sEMG信号
13858	2024-10-17	Optimizing Deep Learning for Cardiac MRI Segmentation: The Impact of Automated Slice Range Classification 2024-02, Academic radiology IF:3.8Q1 DOI:10.1016/j.acra.2023.07.008 PMID:37541826	研究论文	本研究通过集成自动切片范围分类步骤，优化了深度学习在心脏MRI分割中的应用	本研究创新性地引入了自动切片范围分类步骤，显著提高了深度学习模型在心脏MRI分割中的性能	本研究的局限性在于仅使用了公开数据集，未来需要进一步验证其在不同数据集上的泛化能力	本研究旨在优化深度学习在心脏MRI分割中的应用，减少人工分割的偏差	本研究主要针对心脏MRI图像中的左心室、右心室和心肌进行分割	计算机视觉	心血管疾病	深度学习	2D-UNet	图像	本研究使用了160个训练样本、40个验证样本和160个测试样本
13859	2024-10-17	CNNs trained with adult data are useful in pediatrics. A pneumonia classification example 2024, PloS one IF:2.9Q1 DOI:10.1371/journal.pone.0306703 PMID:39052572	研究论文	本文探讨了使用成人数据训练的卷积神经网络（CNN）在儿科医疗中的适用性，并以肺炎分类为例进行了验证	本文展示了使用成人数据训练的CNN在儿科医疗中的适应性和有效性，为解决儿科数据稀缺问题提供了一种新思路	本文仅以肺炎分类为例，未涵盖其他儿科疾病，且研究样本仅限于1至5岁的儿童	验证使用成人数据训练的CNN在儿科医疗中的适用性	1至5岁儿童的胸部X光片	计算机视觉	肺炎	卷积神经网络（CNN）	CNN	图像	46,947张成人胸部X光片用于训练，5,856张1至5岁儿童胸部X光片用于评估
13860	2024-10-17	Multi-disease X-ray Image Classification of the Chest Based on Global and Local Fusion Adaptive Networks 2024, Current medical imaging IF:1.1Q3 DOI:10.2174/0115734056291283240808045952 PMID:39150027	研究论文	本文提出了一种基于全局和局部融合自适应网络的多疾病胸部X光图像分类方法	本文创新性地设计了MMPDenseNet网络，结合了自适应激活函数Meta-ACON、多头自注意力机制和金字塔挤压注意力模块，以增强特征表示和提取能力	NA	利用先进的图像处理技术和深度学习算法，自动分析和识别胸部X光图像中的病理或结构异常	胸部X光图像中的多标签疾病分类	计算机视觉	NA	深度学习算法	MMPDenseNet	图像	NA